低层解耦轻量FER网络

隐私保护更优

只需交换少量低层参数即可实现个性化本地模型优化,显著降低通信与计算负担,适合部署在计算与通信资源受限的家庭护理机器人上。

Zhou, Xu · Li, Jie · 兰功金 · Ni, Rongrong · Cangelosi, Angelo · Wang, Jiaxin · 刘小峰

Information Fusion 2024

参数信息

平均性能差异
3 %
性能超越幅度
2 %
性能提升
20 %

技术优势

通信开销更小

只需交换少量低层参数即可优化本地个性化模型,适合机器人端有限的通信能力。

真实机器人上有效

在两个真实NAO机器人上验证,联邦模型相比本地独立模型平均提升约20%。

轻量即可用

轻量级神经网络架构即可达到与大型网络模型和SOTA算法相当的性能。

应用场景